Error timeout: qué hacer cuando falla gemini-2.5-flash

Un timeout significa que el cliente se rindió antes de recibir la respuesta. Las solicitudes con streaming a LLM son las que más lo sufren, porque el modelo piensa antes del primer token y esa fase no produce ningún byte.

Un timeout no es un código de estado HTTP, sino un límite de espera del cliente. La solicitud normalmente llegó al gateway y se reenvió al upstream, pero el modelo no generó resultado dentro del tiempo que fijaste. Contexto largo, salida larga y llamadas sin streaming son los tres detonantes más comunes.

gemini-2.5-flash lo ofrece Google. Todo en esta página — causas, soluciones y datos medidos — se recopila del comportamiento real de este modelo en la capa de gateway.

En esta pasarela, el desencadenante más común es: El timeout del cliente es demasiado bajo. La primera acción recomendada es: Sube el timeout del cliente a 300 segundos o más.

Causas habituales

  • El timeout del cliente es demasiado bajo
  • Un prompt o contexto largo eleva la latencia del primer token
  • El modelo está resolviendo una tarea de razonamiento larga
  • Fluctuaciones de red

Cómo solucionarlo

  • Sube el timeout del cliente a 300 segundos o más
  • Activa el streaming para no esperar la respuesta completa
  • Acorta el contexto o usa un modelo más rápido
  • Baja max_tokens

Reintento con retroceso exponencial

El siguiente código reintenta cuando gemini-2.5-flash devuelve timeout: hasta 5 intentos, con espera creciente y jitter aleatorio para que las llamadas concurrentes no reintenten a la vez. Lee la URL base y la API key de variables de entorno, nunca las escribas fijas.

import os, time, random
import requests

BASE  = os.getenv("OPENAI_BASE_URL")   # e.g. https://<your-gateway>/v1
KEY   = os.getenv("OPENAI_API_KEY")
MODEL = 'gemini-2.5-flash'


def chat(messages, retries=5):
    """Retry with exponential backoff + jitter."""
    for i in range(retries):
        try:
            r = requests.post(
                BASE + "/chat/completions",
                headers={"Authorization": "Bearer " + KEY},
                json={"model": MODEL, "messages": messages, "stream": True},
                timeout=60,
            )
            if r.status_code == 429 or r.status_code >= 500:
                time.sleep(min(2 ** i + random.uniform(0, 1), 30))
                continue
            r.raise_for_status()
            return r.json()
        except requests.exceptions.Timeout:
            time.sleep(min(2 ** i + random.uniform(0, 1), 30))
    raise RuntimeError("gave up after " + str(retries) + " retries")


print(chat([{"role": "user", "content": "hello"}]))

Datos clave de este modelo

Endpoint de APIhttps://api.airai.cc/v1
Compatible con OpenAIOpenAI-compatible
ProveedorGoogle
Contexto1M
CapacidadesReasoning, Tools, Files, Vision, Audio
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 0.3 + cr * 0.03 + ai * 1 + c * 2.5

Preguntas frecuentes

¿Puede timeout deberse a un proxy o a otro salto de red?

Guarda el identificador de la petición y el cuerpo de la respuesta, si no no hay forma de localizarlo. Si solo ocurre en producción, suele ser una diferencia de entorno, no del modelo. Este modelo lo sirve Google, por lo que el estado del upstream depende de los anuncios del proveedor. Reproduce el caso primero en el entorno de pruebas con el mismo cuerpo de petición.

¿Está timeout en gemini-2.5-flash relacionado con la cuota de mi cuenta?

Es sobre todo un asunto de cuota, no un fallo del modelo. Tanto subir el límite del plan como bajar la frecuencia de llamadas ayuda. El precio de entrada ronda $0.30 por millón de tokens. Con facturación p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, el coste de salidas largas viene sobre todo de los tokens de salida. Revisa primero el saldo y los límites de velocidad en la consola, luego el código. Al estimar el coste con p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, incluye también el presupuesto de reintentos.

El SDK oficial ya reintenta: ¿necesito mi propia lógica de reintento?

Normalmente no hay que cambiar el código, basta con ajustar el ritmo de llamadas. Reintentar es el primer paso más eficaz. Con la tarificación p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, las peticiones fallidas no cuentan en el uso. Fija el límite de reintentos en 3–5 y añade jitter.

¿Está timeout relacionado con la capacidad del propio modelo?

Este error no depende de la capacidad del modelo, es a nivel de gateway. Suele ser algo puntual que se recupera por sí solo. Las etiquetas de capacidad de este modelo son Reasoning, Tools, Files, Vision, Audio. Si el error se mantiene varios minutos, contacta con el soporte de la plataforma para confirmar el estado del upstream. Decide primero si es a nivel de cuenta o de modelo; el tratamiento es completamente distinto.

Otros errores de este modelo

Otros modelos con el mismo error

Volver a la página del modelo

Datos actualizados: 2026-10-10 12:10

Soporte técnicoSoporte en línea
Volver arriba